神经网络分析传感器数据的方法,以防止非法网络攻击
Serhii Vladov1, Vladimir Jotsov2,3, Anatoliy Sachenko4,5
1Department of Scientific Activity Organization, Kharkiv National University of Internal Affairs, 27, L. Landau Avenue, 61080 Kharkiv, Ukraine.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
本研究介绍了一种使用修改的长短期内存 (LSTM) 网络来检测对关键基础设施传感器数据的网络攻击的新方法. 该方法有效地预测正常行为并识别异常,在防止攻击方面达到高精度.
科学领域:
- 网络安全 网络安全
- 网络安全 网络安全
- 机器学习 机器学习
背景情况:
- 关键基础设施严重依赖传感器设备,增加了对网络攻击的脆弱性,如数据伪造和拒绝服务.
- 由于连接设备的快速扩张,确保这些传感器网络的安全性是一个越来越大的挑战.
研究的目的:
- 开发一种有效的分析传感器数据的方法,以防止对关键基础设施的网络攻击.
- 增强传感器网络的安全性,防止各种恶意活动.
主要方法:
- 利用修改后的长短期内存 (LSTM) 网络来预测正常的传感器数据模式.
- 通过分析预测和实际数据之间的残余值来实现异常检测.
- 采用混合方法,将预测建模与统计偏差分析结合起来.
主要成果:
- 在预测正常传感器数据方面取得了高准确性,F1得分为0.90.
- 通过通过残留分析检测异常来对数据变化表现出高灵敏度.
- 在攻击检测方面达到0.92的精度,整体精度高达92%和回忆率高达89% (AUC = 0.94).
结论:
- 开发的方法有效地保护关键基础设施设施免受网络攻击,即使使用有限的计算资源.
- 混合方法为强大的网络安全提供实时效率和最小的计算成本.
- 该方法在提高关键系统中传感器网络安全状况方面显示出显著的前景.
